VascX模型：用于彩色眼底图像视网膜血管分析的综合模型集成
图像与视频处理
2026-02-10 v2 计算机视觉与模式识别
组织与器官
摘要
我们介绍了VascX模型，这是一套用于从彩色眼底图像（CFIs）分析视网膜血管的综合模型集成。我们从公共数据集中聚合了带注释的CFIs。额外的CFIs，主要来自基于人群的鹿特丹研究，由评分者在像素级别对动脉和静脉进行注释，从而形成了一个在患者人口统计学和成像条件方面多样化的数据集。与现有的公开可用模型相比，VascX模型在跨数据集、图像质量水平和解剖区域方面展示了卓越的分割性能，这可能是由于我们训练集规模和多样性的增加。在动脉-静脉和视盘分割性能方面观察到了重要改进，特别是在大型队列和临床数据集中常见的中间质量CFIs上对这些结构的分割。重要的是，当我们比较从VascX分割掩模提取的特征与从先前模型生成的分割掩模提取的特征时，这些改进转化为显著更准确的血管特征。通过VascX模型，我们提供了一套稳健、即用型的模型集成和推理代码，旨在简化自动化视网膜血管分析的实现并提高其质量。该模型生成的精确血管参数可以作为识别眼内和眼外疾病模式的起点。
引用
@article{arxiv.2409.16016,
title = {VascX Models: Model Ensembles for Retinal Vascular Analysis from Color Fundus Images},
author = {Jose Vargas Quiros and Bart Liefers and Karin van Garderen and Jeroen Vermeulen and Eyened Reading Center and Sinergia Consortium and Caroline Klaver},
journal= {arXiv preprint arXiv:2409.16016},
year = {2026}
}